哪个更快？Memcache还是文件查询？（使用maxmind geoip.dat文件）
我在使用Python和Appengine，想要查找一个IP地址的地理位置，方法是这样的：
import pygeoip
gi = pygeoip.GeoIP('GeoIP.dat')
Location = gi.country_code_by_addr(self.request.remote_addr)
(你可以在这里找到pygeoip: http://code.google.com/p/pygeoip/)
我想为每个用户的每个页面获取地理位置，所以我现在是查一次IP地址，然后把结果存到memcache里。
我想问的是，哪种方式更快？是每次从.dat文件中查找IP地址快，还是从memcache中获取快？还有其他我需要注意的优缺点吗？
对于像这样的常见问题，有没有好的指南可以教我如何优化我的代码和自己进行速度测试？我对Python和编程都很陌生，所以如果这是个基础概念，我先说声抱歉。
谢谢！
汤姆
编辑：感谢大家的回复，memcache似乎是正确的选择。我觉得Nick和Lennart在建议我把整个gi变量放到memcache里。我觉得这是可行的。顺便说一下，整个GeoIP.dat文件稍微超过1MB，所以并不算大。
3 个回答
对于你已经从数据库中获取的单个IP地址，我建议把它们放到memcache里。因为我假设你的数据库文件比较大，每次查找一个地址时，不想每次都从数据库中加载。
有一个工具叫做 AppStats，很多人用它来跟踪API调用的速度。这个工具可以帮助你查看各种API调用花了多长时间。
既然你刚开始接触编程，我想提一下，appstats是一个非常针对App Engine的工具。如果你只是写一个在自己电脑上运行的基本Python应用，你可以通过简单地减去两个时间戳来计算时间：
import time
t1 = time.time()
#do whatever it is you want to time here.
t2 = time.time()
elapsed_time = t2-t1
如果你需要在多个进程之间查找信息（在AppEngine上你几乎肯定会需要这样做），而且你可能会在短时间内遇到同一个IP地址很多次（这也是很有可能的），那么使用缓存（memcache）来加快速度是个不错的主意。
更详细地说，因为你提到你对编程还比较陌生：
正如Lennart Regebro所说，慢的地方在于从磁盘读取geoip文件并解析它。单个查询会很快。但是，如果某个进程只处理一个请求（从你的角度来看，在AppEngine上确实是这样），那么每个请求都会付出这个代价。把最近使用的查找结果缓存到memcache中，可以让你在不同的进程之间共享这些信息……但这只适用于最近遇到的数据。不过，由于同一个IP地址可能会在短时间内频繁出现（因为它是一个用户在与你的网站互动），这正是你所需要的。
另一种选择是把所有的数据点预先加载到memcache中。你可能不想这样做，因为你的内存有限，而且大部分内存可能都不会用到。（另外，如果你达到内存限制，memcache会丢弃一部分数据，这意味着你还是需要写备份代码来实时读取geoip数据库。）一般来说，懒惰缓存是一种非常有效的机制——当你第一次需要某个值时慢慢查找，然后把它保留以便后续使用。memcache特别适合这种情况，因为当内存紧张时，它会丢弃最近没有使用的数据。
还有一种选择（虽然在AppEngine上不适用）是运行一个单独的进程专门处理位置查询，让你所有的前端进程都与它通信（例如通过thrift）。这样你就可以在那个进程中加载geoip数据库，并实时查询每个请求。
希望这些信息对你有帮助。
这里花时间的主要是从 dat 文件加载数据库。一旦数据库加载到内存中，查找的时间就不会太长。所以如果你能把 gi 变量保存在内存中，那就是最好的解决办法。
如果你做不到这一点，可能也无法使用 memcached。